① 딥시크 V4 — 결국 나왔다, 1년의 기다림이 끝났다

2025년 1월 딥시크 R1이 “저비용 고효율” AI라는 충격파를 세상에 던진 이후, 후속 모델에 대한 기대와 우려가 뒤섞인 채로 장장 14개월이 흘렀습니다. 그사이 R2는 화웨이 칩의 기술적 한계로 수차례 출시가 연기됐고, 결국 노선을 변경해 범용 대형 언어모델(LLM)인 V4로 방향을 틀었습니다.

2026년 3월 4일, 중국의 연례 최대 정치 행사인 양회(전국인민대표대회) 개막일에 맞춰 딥시크는 ‘DeepSeek V4’를 공식 공개했습니다. 단순한 업그레이드가 아닙니다. V3.2와 아키텍처 자체가 완전히 다르며, 내부 개발 코드명도 ‘MODEL1’으로 구분될 만큼 전면적인 재설계가 이루어진 모델입니다.

특히 이번 V4 개발 과정에서 딥시크는 엔비디아·AMD 등 미국 칩 업체에 사전 접근권을 제공하지 않았습니다. 대신 화웨이와 캠브리콘 등 중국 반도체 업체와 단독 협력하며 최적화 작업을 마쳤습니다. AI 업계에서는 이례적인 일로 평가받고 있습니다.

▲ 목차로 돌아가기

② 스펙 완전 해부 — 파라미터 1조 개, 뭐가 다른가

딥시크 V4는 기존 V3 계열(약 6,850억 개)보다 파라미터가 크게 늘어난 최대 1조 개(1 Trillion) 규모의 대형 모델입니다. 파라미터 수가 많다고 무조건 좋은 건 아니지만, 문제는 이 거대한 모델이 경쟁사 대비 훨씬 적은 비용으로 구동된다는 점입니다.

V4의 핵심 스펙 요약

추론 모델(R 시리즈)이 특정 문제에 깊이 파고드는 ‘전문가형’ AI였다면, V4는 코딩·창작·분석·멀티미디어를 동시에 다루는 ‘올라운더형’ AI입니다. 한 개의 API로 텍스트 요약, 이미지 분석, 코드 작성, 음성 스크립트 변환까지 처리할 수 있게 되는 것입니다.

▲ 목차로 돌아가기

③ 핵심 기술 2가지 — Engram과 mHC가 바꿔놓은 것

딥시크 V4의 진짜 경쟁력은 스펙 수치에 있지 않습니다. ‘어떻게 이 거대한 모델을 저렴하게 돌리는가’를 가능하게 한 두 가지 핵심 기술, Engram 아키텍처와 mHC(Manifold-Constrained Hyper-Connections)에 있습니다.

Engram — 뇌처럼 기억을 나눠서 처리한다

기존 AI 모델은 모든 지식을 GPU의 고가용성 메모리(VRAM)에 올려두고 매번 전체를 훑어야 했습니다. Engram은 이 구조를 뒤집습니다. 자주 바뀌지 않는 사실적 지식은 저렴한 일반 시스템 메모리(DRAM)의 룩업 테이블에 저장하고, 실제 추론에 필요한 부분만 즉각 불러오는 방식입니다. 마치 사람이 백과사전 전체를 외우는 게 아니라 필요할 때만 찾아보는 것과 같은 원리입니다.

이 덕분에 딥시크 V4는 100만 토큰 이상의 초장문 문서에서도 “중간 내용 망각” 현상 없이 정확한 검색과 추론이 가능하다고 알려졌습니다. 내부 실험에서는 멀티 쿼리 성능이 기존 84.2%에서 97.0%로 향상됐습니다. 수십만 줄의 코드 전체를 컨텍스트로 유지하면서 리팩토링하는 작업이 처음으로 현실적으로 가능해진 것입니다.

mHC — 1조 파라미터 모델을 안정적으로 학습시키는 수학적 기교

모델 규모가 커질수록 학습 도중 신호가 폭발적으로 증폭되어 불안정해지는 문제가 생깁니다. mHC는 싱크혼-크놉 알고리즘으로 연결 행렬을 ‘이중 확률 행렬’로 제약하여, 아무리 깊은 신경망도 신호 폭발 없이 안정적으로 학습되도록 합니다. 쉽게 말하면, 1조 파라미터짜리 거대 모델을 빅테크 수준의 GPU 클러스터 없이도 훈련할 수 있게 해주는 ‘수학적 절약 기술’입니다.

▲ 목차로 돌아가기

④ 가격 전쟁 — GPT·Claude·Gemini와 비교표

딥시크 V4에서 가장 충격적인 숫자는 성능 벤치마크가 아닙니다. 바로 가격입니다. 미국 AI 분석회사 웨이브스피드AI에 따르면, V4의 API 이용료는 100만 토큰 출력 기준 약 0.25달러로 예상됩니다. 이는 GPT-5.2($14)와 비교하면 56분의 1, 구글 제미나이 3.1 프로($12)와 비교해도 48분의 1 수준입니다.

기업 입장에서 이 숫자가 얼마나 중요한지 실감이 안 된다면 이렇게 생각해보세요. 하루 1,000만 건의 API 호출을 처리하는 서비스가 GPT-5.2를 쓰면 월 수억 원의 API 비용이 나옵니다. 딥시크 V4로 전환하면 같은 작업을 수백만 원대로 줄일 수 있습니다. 대형 IT 기업들이 벌써부터 V4 도입 검토에 나선 이유가 바로 여기에 있습니다.

▲ 목차로 돌아가기

⑤ 딥시크 V4 지금 바로 사용하는 법

딥시크 V4는 기존 딥시크 플랫폼에서 접속할 수 있습니다. 이미 딥시크 계정이 있다면 별도의 가입 없이 바로 V4 모델을 선택해 사용할 수 있으며, 신규 사용자도 구글 계정 하나로 30초 안에 시작할 수 있습니다.

• 1
  공식 사이트 접속: 브라우저에서 chat.deepseek.com에 접속합니다. 기존에 딥시크를 사용한 적 있다면 그대로 로그인하면 됩니다.
• 2
  회원가입 (신규 사용자): ‘Sign Up’ 버튼을 누른 뒤 이메일 주소 또는 구글·카카오 계정으로 연동합니다. 이메일 인증 후 바로 사용 가능합니다.
• 3
  V4 모델 선택: 채팅 화면 상단 모델 선택 드롭다운에서 ‘DeepSeek V4’ 또는 이에 준하는 최신 모델명을 선택합니다. 기존에는 V3 또는 R1 Thinking이 기본값이었습니다.
• 4
  멀티모달 기능 활용: 이미지 첨부 아이콘(📎)을 클릭해 사진이나 영상을 업로드한 뒤 질문을 입력하면 V4가 이미지 분석 또는 내용 요약을 수행합니다. 텍스트만 입력해도 기존보다 훨씬 자연스러운 답변을 확인할 수 있습니다.
• 5
  API 연동 (개발자): platform.deepseek.com에서 API 키를 발급받고, 기존 OpenAI API 호환 방식으로 그대로 연동할 수 있습니다. 모델명을 ‘deepseek-v4’로 변경하는 것만으로 전환이 완료됩니다.

▲ 목차로 돌아가기

⑥ 보안·개인정보 — 무료가 공짜가 아닐 수 있다

딥시크 V4의 낮은 가격과 오픈 웨이트 정책에 흥분하기 전에 반드시 짚고 가야 할 것이 있습니다. 딥시크는 중국 법률이 적용되는 기업입니다. 사용자가 채팅창에 입력한 내용은 딥시크 서버에 저장되며, 중국 국가보안법에 따라 정부 요청 시 데이터 제공 의무가 발생할 수 있습니다.

2026년 2월, 딥시크는 ‘AI 학습 거부권’ 옵션을 추가했습니다. 설정 메뉴에서 “내 대화를 모델 학습에 사용하지 않기”를 선택할 수 있게 된 것입니다. 하지만 이 설정이 실제로 완전히 적용되는지, 서버 저장 자체를 막는 것인지는 투명하게 공개되지 않았습니다.

개발자라면 오픈 웨이트 모델을 받아서 자체 서버에 로컬로 구동하는 방법이 가장 안전합니다. 이 경우 대화 내용이 외부 서버로 전송되지 않으므로 데이터 보안 문제를 근본적으로 차단할 수 있습니다. 단, 1조 파라미터 규모의 모델을 로컬에서 구동하려면 상당한 수준의 GPU 인프라가 필요합니다.

▲ 목차로 돌아가기

⑦ 내 솔직한 평가 — 진짜 판도 변화인가, 또 다른 과장인가

출시 직전까지 인터넷에는 SWE-bench 83.7%라는 충격적인 벤치마크 수치가 유포됐습니다. 하지만 이는 전문가들의 교차 검증을 통해 조작된 허위 데이터로 판명됐습니다. 딥시크 V4의 진짜 성능은 출시 이후 독립적인 벤치마크 테스트가 쌓여야 정확히 알 수 있습니다.

그러나 저는 V4의 잠재력을 허위 수치 논란으로 덮어버리는 것은 오류라고 생각합니다. Engram과 mHC 기술은 논문으로 검증된 실체 있는 혁신이며, 가격은 이미 발표된 사실입니다. 특히 기업용 코딩 자동화 시장에서 V4는 GPT-5.2나 Claude 4.5 Opus의 직접적인 대체제가 될 조건을 충분히 갖추고 있습니다.

개인적으로 주목하는 포인트는 두 가지입니다. 첫째, 엔비디아·AMD를 배제하고 순수 중국 칩으로 최적화한 것이 실제 성능에 어떤 영향을 미치는지입니다. 둘째, 오픈 웨이트가 공개될 경우 전 세계 개발자 커뮤니티가 어떤 파생 모델과 서비스를 만들어내는지입니다. 딥시크의 진짜 파급력은 항상 모델 공개 이후 커뮤니티의 반응에서 증폭됐으니까요.

▲ 목차로 돌아가기